相关系数答案

【问题标题】：Correlation coefficient相关系数
【发布时间】：2018-06-15 13:37:50
【问题描述】：

首先，如果这个问题太简单了，我很抱歉。我试图从我的数据框的三行计算相关系数：

df=structure(list(Id = 1:3, V1 = c(27L, 40L, 29L), V2 = c(70L, 
101L, 48L), V3 = c(68L, 84L, 55L), V4 = c(48L, 80L, 39L), V5 = c(58L, 
73L, 38L), V6 = c(80L, 103L, 46L), V7 = c(99L, 115L, 52L), V8 = c(46L, 
82L, 58L), V9 = c(26L, 38L, 33L), V10 = c(13L, 17L, 13L)), .Names = c("Id", 
"V1", "V2", "V3", "V4", "V5", "V6", "V7", "V8", "V9", "V10"), row.names = c(2L, 
5L, 8L), class = "data.frame")

我正在做的是将这些行转换为向量数字

df=df[-1]

g=as.numeric(df[1,])
h=as.numeric(df[2,])
i=as.numeric(df[3,])

并运行相关性 2 per 2：

> cor(g,h)
[1] 0.9530113
> cor(g,i)
[1] 0.7557693
> cor(h,i)
[1] 0.8519315

我对此进行了搜索，但似乎没有这样的功能cor(g,h,i)，而是我无法运行cor(df)，但它会给我所有V1:V10之间的相关性。

总之，有没有函数可以让我执行cor(g,h,i)并返回给我三个相关系数(0.9530113 , 0.7557693 , 0.8519315)或者比我的更优化的方法。

【问题讨论】：

cor(t(df[-1])) 会给你相关矩阵。您可以使用upper.tri 或lower.tri 来获得相关性，例如cor_mat <- cor(t(df[-1])); cor_mat[upper.tri(cor_mat)]
只是添加到@JasonWang 的答案。 d = cor(t(df[,-1])); d[lower.tri(d)] 会给你一个向量的结果。
> 看到这个解决方案Correlation coefficient using corrlY

标签： r

【解决方案1】：

如果你想要一个函数：

corr <-function(data,g,h,i) {
 m <- cor(data[,c(g,h,i)])
 m[upper.tri(m)]
}

【讨论】：

【解决方案2】：

# Get the correlation matrix by row
cor(t(df[-1]))
#           2         5         8
# 2 1.0000000 0.9530113 0.7557693
# 5 0.9530113 1.0000000 0.8519315
# 8 0.7557693 0.8519315 1.0000000

# Retrieve the correlation as vector
cor_mat <- cor(t(df[-1]))
cor_mat[upper.tri(cor_mat)]
# [1] 0.9530113 0.7557693 0.8519315

【讨论】：